എന്തുകൊണ്ടാണ് എല്ലാ ഡെവലപ്പർമാരും ഒരു AI Orchestrator ആയി മാറുന്നത്

പതിറ്റാണ്ടുകളായി, ഡെവലപ്പർമാർക്ക് ഒരു ജോലി മാത്രമേ ഉണ്ടായിരുന്നുള്ളൂ.

നിങ്ങൾ കോഡ് എഴുതി. നിങ്ങൾ സിന്റാക്സ് പഠിച്ചു. നിങ്ങൾ ഫീച്ചറുകൾ നിർമ്മിക്കുകയും ബഗുകൾ പരിഹരിക്കുകയും ചെയ്തു.

എന്തോ ഒന്ന് മാറിക്കൊണ്ടിരിക്കുകയാണ്. നിങ്ങൾ കുറഞ്ഞ അളവിൽ കോഡ് എഴുതും. ഇതിനർത്ഥം സോഫ്റ്റ്‌വെയർ ഇല്ലാതാകുന്നു എന്നല്ല. മറിച്ച്, AI നിങ്ങളോടൊപ്പം ചേർന്ന് കോഡ് എഴുതുന്നു എന്നാണ്.

ഏറ്റവും മൂല്യമുള്ള ഡെവലപ്പർ ഏറ്റവും കൂടുതൽ വരികൾ കോഡ് എഴുതുന്ന ആളാവില്ല. മറിച്ച്, മികച്ച സോഫ്റ്റ്‌വെയർ നിർമ്മിക്കുന്നതിനായി AI-യെ ഏകോപിപ്പിക്കുന്ന (coordinate) ആളായിരിക്കും.

സോഫ്റ്റ്‌വെയർ ഡെവലപ്‌മെന്റ് എപ്പോഴും അബ്‌സ്‌ട്രാക്ഷൻ ലെയറുകളിലേക്ക് (abstraction layer) ഉയർന്നുപോകുന്നു. നമ്മൾ മെഷീൻ കോഡിൽ നിന്ന് അസംബ്ലിയിലേക്കും, അവിടെ നിന്ന് ഹൈ-ലെവൽ ലാംഗ്വേജുകളിലേക്കും മാറി. ഓരോ മാറ്റവും താഴ്ന്ന തലത്തിലുള്ള ജോലികളെ ഒഴിവാക്കുന്നു. ഡെവലപ്പർമാർ ഇല്ലാതാകുന്നില്ല, അവർ ഉയർന്ന തലങ്ങളിലേക്ക് മാറുകയാണ്.

AI ആണ് അടുത്ത ലെയർ.

യഥാർത്ഥ എഞ്ചിനീയറിംഗ് എന്നത് ടൈപ്പിംഗ് മാത്രമല്ല. നിങ്ങൾ സിസ്റ്റങ്ങൾ രൂപകൽപ്പന ചെയ്യുന്നു. നിങ്ങൾ ഡോക്യുമെന്റേഷൻ വായിക്കുന്നു. നിങ്ങൾ പ്രൊഡക്ഷൻ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നു (debug). നിങ്ങൾ ആർക്കിടെക്ചറൽ തീരുമാനങ്ങൾ എടുക്കുന്നു.

കോഡിംഗ് ഭാഗം AI കൈകാര്യം ചെയ്യുന്നു. നിങ്ങൾ ഓർക്കസ്ട്രേഷനിലേക്ക് (orchestration) മാറുന്നു.

AI-അസിസ്റ്റഡ് ഡെവലപ്‌മെന്റ് എന്നാൽ ഒരു പ്രത്യേക ഫംഗ്ഷൻ എഴുതാൻ AI-യോട് ആവശ്യപ്പെടുക എന്നാണ് അർത്ഥമാക്കുന്നത്.

ഓർക്കസ്ട്രേഷൻ എന്നാൽ ഒരു ലക്ഷ്യം നിശ്ചയിക്കുകയും ഏജന്റുമാരുടെ (agents) ഒരു ടീമിനെ നിയന്ത്രിക്കുകയും ചെയ്യുക എന്നാണ് അർത്ഥമാക്കുന്നത്.

  • ഒരു പ്ലാനിംഗ് ഏജന്റ് ജോലികളെ വിഭജിക്കുന്നു.
  • ഒരു കോഡിംഗ് ഏജന്റ് പരിഹാരം എഴുതുന്നു.
  • ഒരു ടെസ്റ്റിംഗ് ഏജന്റ് ടെസ്റ്റുകൾ നടത്തുന്നു.
  • ഒരു സെക്യൂരിറ്റി ഏജന്റ് സുരക്ഷാ പിഴവുകൾ കണ്ടെത്തുന്നു.

നിങ്ങൾ ഇനി എല്ലാ ജോലികളും ചെയ്യുന്നില്ല. നിങ്ങൾ ഒരു ടെക് ലീഡാണ്. നിങ്ങൾ ദിശാബോധം നൽകുന്നു. നിങ്ങൾ പ്രശ്നങ്ങളെ വിഭജിക്കുന്നു. നിങ്ങൾ തീരുമാനങ്ങൾ വിലയിരുത്തുകയും റിസ്കുകൾ നിയന്ത്രിക്കുകയും ചെയ്യുന്നു.

പരമ്പരാഗത രീതി (Traditional workflow): Requirements → Code → Test → Deploy

AI-നേറ്റീവ് രീതി (AI-native workflow): Goal → Plan → Assign Agents → Execute → Review → Test → Improve → Deploy

AI ഏജന്റുകൾ തനിയെ പൂർണ്ണമായ സോഫ്റ്റ്‌വെയർ നിർമ്മിക്കില്ല. AI തെറ്റുകൾ വരുത്തുന്നു. അത് മോശം ആർക്കിടെക്ചർ സൃഷ്ടിക്കുന്നു. സുരക്ഷാ പിഴവുകൾ അത് ശ്രദ്ധിക്കാതെ പോകുന്നു.

AI എപ്പോഴാണ് തെറ്റായത എന്ന് അറിയാൻ നിങ്ങൾ സിസ്റ്റത്തെക്കുറിച്ച് മനസ്സിലാക്കിയിരിക്കണം.

പുതിയ കഴിവുകൾക്ക് കൂടുതൽ പ്രാധാന്യം ലഭിക്കും:

  • System design
  • Problem decomposition
  • Context engineering
  • Security and code review
  • AI workflow design

നിങ്ങൾക്ക് മനസ്സിലാകാത്ത കോഡ് നിങ്ങൾ നിർമ്മിക്കുകയാണെങ്കിൽ, നിങ്ങൾ സാങ്കേതിക കടം (technical debt) സൃഷ്ടിക്കുകയാണ് ചെയ്യുന്നത്. നിങ്ങൾ വേഗത വർദ്ധിപ്പിക്കുകയല്ല, മറിച്ച് കൂടുതൽ അപകടകാരികളാവുകയാണ് ചെയ്യുന്നത്.

ഭാവിയിലെ ഡെവലപ്പർ വ്യത്യസ്തമായ ചോദ്യങ്ങളാണ് ചോദിക്കുക:

  • എന്തുകൊണ്ടാണ് ഈ ആർക്കിടെക്ചർ തിരഞ്ഞെടുത്തത്?
  • ഈ സിസ്റ്റം എവിടെയാണ് പരാജയപ്പെടാൻ സാധ്യതയുള്ളത്?
  • നമ്മൾ ഇത് എങ്ങനെ നിരീക്ഷിക്കും?
  • ഇതിലെ ഗുണദോഷങ്ങൾ (trade-offs) എന്തൊക്കെയാണ്?

AI എക്സിക്യൂഷൻ കൈകാര്യം ചെയ്യുന്നു. നിങ്ങൾ ഓർക്കസ്ട്രേഷൻ കൈകാര്യം ചെയ്യുന്നു. ടൈപ്പിംഗ് വേഗതയല്ല ഇനി തടസ്സമാകുന്നത്. തീരുമാനങ്ങൾ എടുക്കാനുള്ള കഴിവിനാണ് (judgment) ഇനി പ്രാധാന്യം.

നിങ്ങൾ ഇല്ലാതാവുകയല്ല. നിങ്ങൾ ഒരു കണ്ടക്ടർ (conductor) ആയി മാറുകയാണ്.

Source: https://dev.to/yash_sonawane25/why-every-developer-will-become-an-ai-orchestrator-5bop

Optional learning community: https://t.me/GyaanSetuAi